m0_73406727的博客

原创 CoCo_annotation_2017

链接:https://pan.baidu.com/s/14oipBkQCQ4FzN4gWNQ1oTw?【超级会员V4】通过百度网盘分享的文件：annotati…复制这段内容打开「百度网盘APP 即可获取」

原创 anaconda创建环境后默认位置设置

在anconda下面创建环境，默认到了，c盘下，需修改.condarc并且放在anaconda环境目录下（个人需求是想放在anaconda中的envs里面）确保你有在 D:\ProgramData\anaconda3\envs 目录下创建文件的权限。里面有我添加的channel和envs_dirs这个是放置环境的位置。均给足够的权限，我给所有组和用户名都是“完全控制”如果上述步骤不起作用，你可以使用。的环境，并直接将其放在指定的。这个是我的.condarc文件。确保你修改的是正确的。

原创 windows下环境变量开启方式

在“系统属性”对话框中，点击“高级”标签页，然后在该页面下方点击“环境变量”按钮。这将打开环境变量设置界面，允许你查看和修改用户环境变量和系统环境变量。1、我的电脑，右击，属性，高级系统设置，高级！这将打开“系统属性”对话框。组合键，这将打开“运行”窗口。：在“运行”窗口中输入。

原创 anaconda安装

上面的命令中，myenv是设置环境的名称（-n是指该命令后面的myenv是你要创建环境的名称），2并安装Python 3.8版本。注意选择与你的系统架构（32位或64位）匹配的版本。注意：创建环境时，可以指定要安装在环境中的Python版本。通常，对于数据分析和机器学习用途，推荐下载包含完整功能的Anaconda发行版。使用conda配置管理Python环境是一种方便的方式来管理和切换不同的Python环境。conda 的包管理功能和pip 是一样的，使用pip 来安装包也是没问题的。

原创 配置Anaconda的源

记得，配置文件`.condarc`通常位于用户的主目录下（Windows系统中通常是`C:\Users\\`，Linux和macOS中是`~/.condarc`），你可以直接编辑这个文件来手动调整配置，但使用命令行工具进行配置更加方便且不易出错。注意：移除`defaults`通道可能会导致某些包无法找到，因为不是所有包都能在其他镜像中找到。因此，这个操作需谨慎考虑。完成上述步骤后，当你使用conda安装或更新软件包时，它会优先从这些新添加的镜像源中获取数据，从而可能显著提高下载速度。

原创 falsk配置login.html 背景图片

图片，从而使得背景图片能够在网页上正确显示。这样修改后，Flask 会自动处理。

原创 软件著作权申请（未完待续）

选择注册身份，个人还是单位。

原创 yolov8中train脚本

【代码】yolov8中train脚本。

原创 yolov8训练指标解读

表示当前是第70个epoch，总共要训练100个epoch。：表示当前训练过程中使用的GPU内存为0.879 GB。：表示当前epoch的边界框损失（bounding box loss）为1.057。：表示当前epoch的分类损失（classification loss）为3.581。：表示当前epoch的分布焦点损失（distribution focal loss）为1.556。：表示在当前epoch中处理的实例数量为4。：表示当前处理的类别为a11。：表示当前epoch中处理的图像数量为202。

原创 yolov8model 中解读

模型在使用 NVIDIA TensorRT 优化后的推理速度，单位是毫秒（ms）。: 列出了 YOLOv8 的不同变体，包括 YOLOv8n、YOLOv8s、YOLOv8m、YOLOv8l 和 YOLOv8x，这些可能是不同大小或性能配置的模型。: 模型在 NVIDIA A100 GPU 上运行时的推理速度，单位是毫秒（ms）。: 模型在 CPU 上运行时，使用 ONNX（Open Neural Network Exchange）格式的推理速度，单位是毫秒（ms）。: 模型的参数总数。

原创 查看显卡使用情况

在 Windows 系统上，可以通过任务栏上的 NVIDIA 控制面板图标来快速查看 GPU 使用情况，或者通过 NVIDIA 控制面板的“帮助”->“系统信息”部分来获取更详细的信息。这是一个非常有用的命令，可以提供关于你的 NVIDIA GPU 的详细信息，包括 GPU 的使用率、显存使用情况、GPU 时钟频率、电源使用情况、温度以及正在运行的进程等。命令可能需要管理员权限，特别是在 Linux 系统上，你可能需要使用。查看 NVIDIA 显卡的使用情况，你可以使用命令行工具。

原创 (持续更新学习)yolov8中设置参数

例如，在指数衰减中，学习率会随着训练的进行按照一定的指数规律逐渐减小。都被设置为 0.001，这意味着初始学习率是 0.001，并且可能有一个与之配套的学习率衰减策略，使得学习率随着训练的进行逐渐减小。例如，如果使用学习率衰减策略，每个 epoch 的学习率可能是前一个 epoch 的。：如果使用动态调整学习率的策略（如学习率衰减），可能需要较少的 epoch，因为学习率的变化有助于模型在训练过程中保持活跃。：简单的模型可能在较少的 epoch 后就能收敛，而复杂的模型可能需要更多的 epoch。

原创 yolov8中配置文件args.yaml解读

【代码】yolov8中配置文件args.yaml解读。

原创 yolo训练中停止指令

在某些深度学习框架中，可以设置早停机制，当验证集上的性能在一定数量的轮次（epoch）内没有改善时，训练将自动停止。：设置周期性保存模型的检查点，如果在训练过程中需要停止，可以从最近的检查点重新开始，而不是从头开始训练。：如果你想要自动停止训练，可以在启动训练命令之前使用超时命令。：如果你使用的是集成开发环境（IDE）或某些训练管理工具，它们可能提供了停止训练的界面按钮或命令。：在大多数命令行界面中，你可以使用特定的快捷键来终止正在运行的进程。数值，这样训练将在达到这个轮次后自动停止。

原创 yolov8中的指令使用说明

这些命令将显示所有可用的参数和它们的详细说明。由于 YOLOv8 仍在开发中，具体的参数和命令可能会有所变化，因此强烈建议查看最新的官方文档或使用。命令来获取最准确的信息。

原创 yolov8训练中出现问题

有时候，显存不足可能是由于代码中的内存泄漏或模型中的某些操作导致的。参数的值，可以提高数据加载的效率，但这也可能增加内存的使用。：如果可能的话，尝试使用具有更多显存的 GPU，例如从 GTX 1080 Ti 切换到更高级的 GPU。先训练模型的一部分，然后逐步增加训练的复杂性。参数的值，例如减小到 512 或 640 像素，这样可以减少每次迭代所需的显存。：在训练前关闭不必要的应用程序和进程，确保 GPU 显存尽可能多地被释放。：确保数据加载和预处理步骤尽可能高效，避免不必要的内存使用。

原创 问题：Retrying (Retry(total=2, connect=None, read=None, redirect=None, status=None)) after connection b

2、通过系统设计找到 ''代理'' 关闭手动代理设置即可。原因分析：由于使用梯子无法连接到国内源。1、关闭梯子，并退出梯子。

原创 安装mim

pip install openmim

原创 几种数据集格式

每种格式都有其特定的用途和优势，选择哪种格式取决于具体的应用场景和需求。例如，JSON格式因其易于阅读和编辑的特性，常用于存储复杂的标注信息；而TFRecord格式则因其高效的读写性能，适用于大规模的机器学习任务。在机器学习和计算机视觉领域，有多种数据集格式被广泛使用来存储和交换数据，尤其是图像数据。

原创 卷积学习笔记

上采样和下采样是图像处理中常见的操作，它们在许多应用中发挥着重要作用。下采样可以减小图像的尺寸和计算量，而上采样则用于增加图像的分辨率或恢复细节。在深度学习中，这些技术被广泛用于构建各种网络架构，如卷积神经网络和生成对抗网络。

原创 coco数据集2017百度云链接分享

链接：https://pan.baidu.com/s/1u_xHA9qlEYufip2js5rNTg。--来自百度网盘超级会员V4的分享。

原创 jupyter notebook打开路径

在相应cmd窗口中打开的jupyter notebook 都是默认下的。

原创 创建一个新的Conda环境

Conda将会下载并安装你指定的Python版本和任何你要求的包。这可能需要一些时间，具体取决于你的网络连接和你请求的包的大小。：运行以下命令来创建一个新的Conda环境。默认情况下，这将会安装最新版本的Python（但你可以指定版本，如下面的例子所示）。：现在你可以在新环境中安装和使用Python包，而不会影响到其他环境。：一旦环境被创建，你需要激活它才能在其中安装或使用包。在macOS和Linux上，你可能需要首先确保你的shell配置文件（如。：根据你的操作系统，打开相应的命令行界面。

原创 anaconda下移除环境

在移除环境之前，请确保你已经备份了任何重要的数据或文件，因为此操作将永久删除该环境及其所有内容。

原创 py-faster-rcnn 下载的数据集说明

这个目录结构似乎与PASCAL VOC（Visual Object Classes）挑战相关，一个常用于计算机视觉任务的基准数据集。PASCAL VOC提供了多个版本的数据集，其中包括图像、标注文件（如边界框和分割掩码）以及一些用于处理这些数据的实用工具代码。总的来说，这个目录结构提供了一个组织良好的框架，用于存储和访问PASCAL VOC数据集及其相关的工具代码和文件。（如果数据集也包括2012年的版本）或其他用于存储模型、结果、日志等的目录。

原创 ModuleNotFoundError: No module named ‘keras.engine‘

如果您正在使用的 Mask R-CNN 代码库是基于旧版本的 Keras 和 TensorFlow 设计的，可能需要确保您安装了正确版本的 Keras 和 TensorFlow。有时候，虚拟环境中的 Python 包之间可能会产生冲突，所以创建一个全新的 Python 虚拟环境，并在这个环境中重新安装所有必须的包，有助于解决问题。消息中提到的 oneDNN 的提示是关于 TensorFlow 的优化，这个通常不会引起错误，它只是说明启用了 oneDNN。创建一个新的环境，然后安装所有必要的包。

原创 yolov8 训练数据格式

原创 Python脚本分类数据集7:2:1

source_image_dir = "D:\\hzx_study\\gispro_\\test-4-标注对象-1\\1\\images"source_label_dir = "D:\\hzx_study\\gispro_\\test-4-标注对象-1\\1\\labels"dataset_split_dir = "D:\\hzx_study\\gispro_\\test-4-标注对象-1\\分类了""""将文件从源路径移动到目标目录，并打印移动结果""""""确保目录存在，如果不存在则创建"""

原创 在安装openmmlab的seg项目中发现 配置安装mmcv库的时候发现,会ERROR: Could not build wheels for mmcv-full, which is required

在下面网站找到 相应的下载地址。

原创 Traceback (most recent call last): File “tools/train.py“, line 7, in ＜module＞ from mmdet.utils

环境）并且所有依赖都已经满足后再开始运行脚本。如果问题依然存在，可能需要检查是否还有其他依赖冲突或者环境设置问题。确保工作环境是活跃的（如在您的案例中的。（不包括）之间，而您当前安装的是。执行该命令应该会显示已安装的。版本的信息，确保它符合。

原创 note: This error originates from a subprocess, and is likely not a problem with pip. ERROR: Failed

在尝试安装mmcv之前，确保你查看任何编译错误信息。这有助于确定具体原因并且找到合适的解决方案。注意：在编译之前，需要确保系统中安装了C++编译器并且配置了环境变量。安装时可能需要指定与你的PyTorch版本和CUDA版本对应的版本。

原创 怎么安装安装 Microsoft C++ Build Tools

在下载页面，找到“所有下载”部分，选择“工具”类别下的“Build Tools for Visual Studio”。：安装过程需要较好的网络连接，并且安装时间会根据选中安装的组件多少而有所不同。在安装Visual Studio Build Tools的时候，选择“C++生成工具”工作负载。安装完成之后，可能需要重启计算机。这个操作将安装编译器，标准库，以及能让你编译大多数C++项目所需的其他工具。如果安装正确，它应该会显示编译器的版本信息。点击“安装”按钮，安装程序将开始下载并安装你选择的组件。

原创 arcgis pro-深度学习之要素类转为标注对象

进行深度学习训练了

原创 导入tif后arcgis空白或arcgisrpro 黑片

2、arcgis PRO 也是找 构建金字塔 BuildPyramids。1、arcgsi 找 Build Pyramids。

原创 arcgis pro合并多要素

3、选择输出位置，运行等待完成即可。1、地理处理中搜索 “联合”

原创 解决ERROR 001523: 只有具有单波段或三波段且没有色彩映射的 8 位无符号或 16 位无符号数据支持 JPEG 压缩

在arcgis pro导出训练数据集的时候，想使用png和jpeg报错，error 001523，发现tif为4波段，需要转成三波段，就重新导出。第一种：使用的arcmap 在图层窗口中 选中tif ，选择导出，选 使用渲染器和强制为RGB颜色！其余内容默认即可，输出位置根据自己需要保存。其中Nodata数值 我是设置跟原tif一样的。第二种：直接在gispro 中 导出栅格。然后选择，使用渲染器和强制为RGB颜色。

原创 cuda安装

如果 CUDA 安装正确，并且你的计算机有 NVIDIA GPU，上述命令将编译并运行程序，输出 "Hello, CUDA!`nvcc` 是 NVIDIA CUDA 编译器，如果 CUDA 安装成功，这个命令会显示 CUDA 编译器的版本信息。如果以上步骤中的任何一个失败，或者你没有得到预期的输出，那么可能需要重新检查你的 CUDA 安装或解决相关的依赖问题。这个命令会显示关于你的 GPU 和驱动程序的信息，以及 CUDA 是否能够识别 GPU。如果安装成功，它会列出你的 GPU 信息。

原创 chrome修改可执行文件路径和个人资料路径

直接右键属性，打开文件目录 把chrome 文件复制到 新的文件夹下 ，在在新文件下重新创建 快捷键。

原创 jupyter notebook 更换目录位置

配置成：c.ServerApp.notebook_dir = 'D:\\jupyter_notebook'注：记得删除前面的# 和左对齐。

原创 arc gis pro 安装教程（记得以管理员身份进行安装）

提供了对 ArcGIS Pro 软件的整体概述，以及使用该软件的基本指导，适合新手用户快速入门。